Python 将SQL结果从自联接转换为数据帧

这是一个tl；博士版本的我所追求的；详情如下: SQL查询为我提供了一个表，其中包含字段[person 1 id]、[person 2 id]和[他们在一个组中的次数]。我想转换成一个正方形的pandas数据帧——每人一行，每人一列，每个元素的值是它们在一个组中的次数。我正在寻找一种更优雅的方法来实现这一点，而不是遍历结果行，一次只填充一个元素

我有一个数据库，其中有一个任务表，其中有一列用于person_id，一列用于assignment_id。它还有其他内容，但就我们这里的目的而言，这是最重要的：

SELECT person_id, assignment_id FROM assignments;

我想看看两个人执行同一任务的频率。因此，我：

SELECT a1.person_id AS p1_id, a2.person_id AS p2_id, COUNT(*)
FROM assignments AS a1
INNER JOIN assignments AS a2 ON a1.assignment_id = a2.assignment_id AND a1.person_id < a2.person_id
GROUP BY a1.person_id, a2.person_id

输出如下：

p1_id | p2_id | count ------+-------+------ 51 | 385 | 1 163 | 385 | 1 ... 现在，我正在构建一个Python脚本来访问数据，并希望将其转储到一个数据帧中，其中每个人有一行，每个人有一列，单元格有他们共享一个赋值的次数。所以输出是这样的，我不关心*单元格中的内容-可以合理地为0或该人员所做的分配数-也不关心第一行和第一列的格式：

p1_id | p_51 | p_163 | p_385 -------+--------+--------+-------- 51 | * | 0 | 1 163 | 0 | * | 1 385 | 1 | 1 | * 我只有大约20个人，所以一个接一个地设置值不会影响性能，但我正在努力学习当我有更大的数据集时的良好实践。这样做的正确方法是什么

我愿意修改SQL查询，如果这是处理它的最佳方式。

您可以在将所需列转换为str类型后使用，并通过连接它们以及计算它们的计数进行聚合

df[['person_id', 'assignment_id']] = df[['person_id', 'assignment_id']].astype(str)

df = df.groupby(['assignment_id'], as_index=False, sort=False)['person_id']   \
       .agg({'col':','.join})['col']                                         \
       .str.split(',').apply(lambda x: sorted(x, reverse=True))              \
       .apply(pd.Series).add_prefix('p_id_')                                 \
       .set_index('p_id_0', drop=False) 

通过使用获取索引p_id_0的指标变量，可以进一步简化，如下所示：

df1 = pd.get_dummies(df['p_id_1']).add_prefix('p_')
print (df1)

        p_163  p_385
p_id_0              
51        0.0    1.0
163       0.0    0.0
385       1.0    0.0

df2 = pd.get_dummies(df['p_id_0']).add_prefix('p_')
print (df2)

        p_163  p_385  p_51
p_id_0                    
51        0.0    0.0   1.0
163       1.0    0.0   0.0
385       0.0    1.0   0.0

然后，在将索引帧的所有值映射到0之后，连接这些单独的数据帧，然后将相同的列命名为columns分组在一起：

df_final = pd.concat([df1, df2.applymap(lambda x: 0)], axis=1).add_prefix('p_')
print (df_final.groupby(df.columns, axis=1).sum())

        p_163  p_385  p_51
p_id_0                    
51        0.0    1.0   0.0
163       0.0    0.0   0.0
385       1.0    0.0   0.0

---

杰出的谢谢

df_final = pd.concat([df1, df2.applymap(lambda x: 0)], axis=1).add_prefix('p_')
print (df_final.groupby(df.columns, axis=1).sum())

        p_163  p_385  p_51
p_id_0                    
51        0.0    1.0   0.0
163       0.0    0.0   0.0
385       1.0    0.0   0.0